LSTM 情感分析 (Keras 版本)

所需环境:Python3.6 + Tensorflow

如果使用cpu版本,可以参考://www.greatytc.com/p/da141c730180
如果使用gpu版本,可以参考://www.greatytc.com/p/62d414aa843e

还需要安装 Keras:
pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple/
所需数据集 :

负面情绪:http://ai-download.xmgc360.com/datasets/sentiment_nalysis/neg.xls
正面情绪:http://ai-download.xmgc360.com/datasets/sentiment_nalysis/pos.xls

基于LSTM网络,结构图如下:

image.png

代码解释

导入相关模块

import pandas as pd
import numpy as np
import jieba
from keras.preprocessing import sequence
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.layers.embeddings import Embedding
from keras.layers.recurrent import LSTM
from sklearn.utils import shuffle
from keras.utils import plot_model

读取数据集,分别存储在 DataFream 里

neg = pd.read_excel('neg.xls',header=None,index=None) #负面情绪数据集
pos = pd.read_excel('pos.xls',header=None,index=None) #正面情绪数据集

数据集打标签

pos['mark'] = 1 #正面情绪
neg['mark'] = 0 #负面情绪

合并数据集

df = pd.concat([pos,neg],ignore_index=True) 

对数据集进行分词

df['words'] = df[0].apply(lambda x: list(jieba.cut(x))) #分词

如图:

image.png

统计分词后每个次出现的次数(主要是去重)

df_words = pd.DataFrame(pd.Series([j for i in df['words'] for j in i]).value_counts())

对每个词进行编号:

df_words['id'] = list(range(1,len(df_words)+1))  #id编号是顺序递增的

image.png

把每个句子中文转成句子向量(使用简单编号向量)

df['words_vecoter'] = df['words'].apply(lambda x: list(df_words['id'][x]))
image.png

把句子向量的长度统一到50,长度不够补0

df['words_vecoter'] = list(sequence.pad_sequences(df['words_vecoter'], maxlen=50))
image.png

数据整理完成,获取训练集和测试集

x_train = np.array(list(df['words_vecoter']))[::2] #训练集
y_train = np.array(list(df['mark']))[::2]
x_test = np.array(list(df['words_vecoter']))[1::2] #测试集
y_test = np.array(list(df['mark']))[1::2]

随机打乱数据集

x_train,y_train = shuffle(x_train,y_train)
x_test,y_test = shuffle(x_test,y_test)

构造循环网络

dlen = len(df_words) + 1
model = Sequential()
model.add(Embedding(dlen, 256)) #Embedding层就是以one hot为输入、中间层节点为字向量维数的全连接层!而这个全连接层的参数,就是一个“字向量表”!
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
plot_model(model, to_file='sentiment_nalysis.png', show_shapes=True) #保存网络结构
model.summary()  #显示网络结构

训练模型

model.fit(x_train, y_train, batch_size=16, nb_epoch=5) 

评估预测

y_predict = model.predict(x_test)
print(y_predict)
acc = model.evaluate(x_test, y_test)
print('Test accuracy:', acc)

保存模型

model.save('sentiment_nalysis.h5')

完整代码

import pandas as pd
import numpy as np
import jieba
from keras.preprocessing import sequence
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.layers.embeddings import Embedding
from keras.layers.recurrent import LSTM
from sklearn.utils import shuffle
from keras.utils import plot_model

neg = pd.read_excel('neg.xls',header=None,index=None) #负面情绪数据集
pos = pd.read_excel('pos.xls',header=None,index=None) #正面情绪数据集
pos['mark'] = 1 #正面情绪
neg['mark'] = 0 #负面情绪
df = pd.concat([pos,neg],ignore_index=True)
df['words'] = df[0].apply(lambda x: list(jieba.cut(x))) #分词
df_words = pd.DataFrame(pd.Series([j for i in df['words'] for j in i]).value_counts())
df_words['id'] = list(range(1,len(df_words)+1))  #id编号是顺序递增的
df['words_vecoter'] = df['words'].apply(lambda x: list(df_words['id'][x]))
df['words_vecoter'] = list(sequence.pad_sequences(df['words_vecoter'], maxlen=50))

x_train = np.array(list(df['words_vecoter']))[::2] #训练集
y_train = np.array(list(df['mark']))[::2]
x_test = np.array(list(df['words_vecoter']))[1::2] #测试集
y_test = np.array(list(df['mark']))[1::2]

x_train,y_train = shuffle(x_train,y_train)
x_test,y_test = shuffle(x_test,y_test)

dlen = len(df_words) + 1
model = Sequential()
model.add(Embedding(dlen, 256))
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
plot_model(model, to_file='sentiment_nalysis.png', show_shapes=True) #保存网络结构
model.summary()  #显示网络结构

model.fit(x_train, y_train, batch_size=16, nb_epoch=5)

y_predict = model.predict(x_test)
print(y_predict)

acc = model.evaluate(x_test, y_test)

print('Test accuracy:', acc)

model.save('sentiment_nalysis.h5')


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,634评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,951评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,427评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,770评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,835评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,799评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,768评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,544评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,979评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,271评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,427评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,121评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,756评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,375评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,579评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,410评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,315评论 2 352